Intelligente Diagnostik
Künstliche Intelligenz für Hauttumor-Diagnostik
Status: abgeschlossen
Die visuelle ärztliche Inspektion ist eine der wichtigsten Säulen in der Diagnostik von Hauttumoren: Um zu einer Diagnose zu gelangen, analysiert ärztliches Fachpersonal, was es sieht. Künstliche Intelligenz (KI) mit der Genauigkeit einer spezialisierten Dermatolog*in unterstützt sie dabei bereits heute. In Ergänzung zu bereits verfügbaren Diagnoseverfahren soll mit dem Verbundprojekt Intelligente Diagnostik der Umfang der ermittelten medizinischen Datenmenge signifikant gesteigert und die Qualität der Diagnostik verbessert werden: Mittels quantitativer multi- und hyperspektraler Bildgebung werden physische und chemische Eigenschaften potenzieller Hautveränderungen rein optisch und nicht-invasiv ermittelt. Auf Basis dieser umfangreichen Datensätze sollen daraufhin neue KI-Modelle entwickelt und trainiert werden. Dadurch kann die medizinische Digitaldiagnostik noch akkurater zum Einsatz gebracht werden, was in einer gesteigerten Früherkennung und damit besseren medizinischen Vorsorge für die breite Bevölkerung resultiert und dem Mittelstand der Gesundheitsindustrie in Baden-Württemberg einen Innovationsvorsprung verleiht.
Das FZI verantwortet im Projekt neben der Konsortialführung insbesondere die Entwicklung der Daten- und Modell-Managementplattform, welche die neu erstellten Datensätze verwaltet und das Training der KI-Modelle steuert.
Wo große Datenmengen im Einsatz sind, bietet Künstliche Intelligenz einen erheblichen Mehrwert. Schon heute wird im Bereich der Diagnostik mit KI gearbeitet. Dabei werden zehntausende digitale Fotos klassifiziert, um anschließend einen Diagnosevorschlag auf Basis eines neuen Bildes vornehmen zu können. Denn um die Diagnostik weiter zu verbessern, benötigen wir bessere Daten für das Training der Künstlichen Intelligenz. Das heißt: Im Rahmen der Förderung werden wir gezielt Datensätze aufbauen und die Verwaltung der Modelle mit Hilfe der Plattform steuern. Zur Datenerhebung werden quantitative bildgebende Verfahren eingesetzt, die eine signifikante Steigerung des Datenumfangs je Bild ermöglichen. Ziel ist dann, durch quantitative bildgebende Verfahren und die verbesserten KI-Modelle die digitale medizinische Diagnostik von Hauttumoren auf eine neue Stufe zu heben.
Christoph Becker
Projektleiter am FZI
Forschungsschwerpunkt
Applied Artificial Intelligence
In diesem Forschungsschwerpunkt liegt das Hauptaugenmerk für das FZI auf den Themen Künstliche Intelligenz (KI) und Mensch und KI-Engineering. Zudem beschäftigt sich das FZI mit Fragestellungen zu dedizierter Hardware für KI sowie KI zur Prädiktion.
Ansprechperson
Projektpartner und Förderer
Ein starkes Bündnis für den Fortschritt
Fünf Institute der Innovationsallianz Baden-Württemberg (innBW) sind am Projekt beteiligt.
Die innBW ist ein deutschlandweit einzigartiges Bündnis von 13 außeruniversitären anwendungsorientierten Forschungsinstituten, die durch das Ministerium für Wirtschaft, Arbeit und Tourismus unterstützt werden.
Weitere Projekte
ZAUber
Zwischen Autonomie und Überwachung – Arbeitnehmer*innen-orientierter Einsatz von People Analytics in Präsenz- und Fernarbeit
HoLLiECares
Multifunktionaler Serviceroboter zur Unterstützung professioneller Pflege in Krankenhäusern
UNCOVER
Mehr Sicherheit durch kontinuierliches Monitoring von Sicherheitsvorfällen autonom agierender Fahrzeuge
Delfine
Dynamisches Demand-Response-System für eine nachhaltige Fertigung durch informationstechnische Vernetzung zur effizienten Energienutzung, -vermarktung und -erzeugung
House of Participation
Das House of Participation stellt die digitalen Bürger*innenbeteiligung in den Mittelpunkt.
LogIKTram
Logistikkonzept sowie IKT-Plattform für einen zukünftigen Gütertransport in Straßenbahn- und Stadtbahnwagen
Smart East
Smarte Energieversorgung im Karlsruher Osten: Ein Leuchtturmprojekt der TechnologieRegion Karlsruhe
KIGLIS
Verfahren der Künstlichen Intelligenz für die Optimierung der Glasfasernetze am Beispiel einer intelligenten Stadt
KIsSME
Künstliche Intelligenz zur selektiven echtzeitnahen Aufnahme von Szenarien- und Manöverdaten bei der Erprobung von hochautomatisierten Fahrzeugen
EVA-Shuttle
Vernetzte und automatisiert fahrende Mini-Busse für die letzte Meile von der Haltestelle bis zur Haustür
SEAMLESS
Simulationsgestützte, assistenzsystem-basierende Engineering- und Maintenance-Dienstleistungen für Lean Aftersales-Services
Embedded Neuro Vision
Entwicklung eines datensparsamen und datenschutzkonformen Smart-Care-Systems durch Einsatz neuromorpher Vision-Sensoren
Smart Load
Neue Methoden zur Zuverlässigkeitssteigerung von hochautomatisierten elektrischen Fahrzeugen
Drive2theFuture
Needs, wants and behaviour of „Drivers“ and automated vehicles users today and into the future
ReKoNeT
Datenbasierte Regelung kollaborativer Wertschöpfungsnetzwerke mittels geschützter Transparenz
